回归分析

上篇 基本原理 1 均值分析：基础知识复习和线性模型导言 1．1 导言 1．2 抽样分布 辑本均值的抽样分南杰差的抽样分布 两个方差之比的抽群分布 各种分布之间的关系 1．3 单总体均值推论 用均值的抽样分布进行推论 用线性模型推论 假设检验 1．4 用独立样本推论双均值 用抽样分布进行推论 用线性模型进行双样本均值的推论 1．5 推论多个均值 重新参数化模型 1．6 小结 1．7 习题 2 简单线性回归分析：单自变量线性回归 2．1 导论 2．2 线性回归模型 2．3 推论参数□和口 估计参数□和□用抽样分布推论□用线性模型推论□ 2．4 推论因变量 2．5 相关和决定系数 2．6 通过原点的回归 用抽样分布进行过原点的回归 甩线性摸性进行通过的回归 2．7 有关简单线性回归模型的假定 2．8 回归的使用与误用 2．9 反测 2．10 小结 2．11 习题 3 多元线性回归 3．1 导论 3．2 多元线性回归模型 3．3 系数估计 3．4 解释偏回归系数 用残差估计偏系数 3．5 推论参数 计算假设的ss 假设检验 普遍使用的检验 “模型”的检验 单个系数检验 同时推 用残差傲系数检验 3．6 检验广义线性假设(选读) 3．7 多元回归因变量推论 3．8 相关和决定系数 多重相关偏相关 3．9 求得结果 3．10 小结和前瞻 回归的使用和误用 数据问题模型网题 3．11 习题 中篇问题及其补救的方法 4 观察问题 4．1 导论 第一部分 异常值 4．2 异常值和影响值 基于残差的统计量 测量杠杆效应的统计量 测量因变量估计值影响的统计量 使用统计量DFBETAS杠杆效应图 测影响系数估计值精度的 统计量 评论 补救方法 第二部分 违反假定 4．3 不等方差 一般公式基于关系的权 4．4 稳健估计 4．5 相关误差 自回归模型 自相美诊颤法补救方法备择估计法 摸型修改 4．6 小结 4．7 习题 5多重共线性 5．1 导论 5．2 多重共线性效应 5．3 诊断多重共线性 方差膨胀因子方差比例 主成分 5．4 补救方法 变量再定义法 基于变量知识的方法 基于统计分折的方法 主或分回归 有偏估计 岭回归 不完全主成分回归 5．5 小结 5．6 习题 6 模型存在的问题 6．1 导论 6．2 设定误差 6．3 缺乏拟合检验 评论 6．4 过度设置：变量太多 6．5 变量选择法 子集的大小 统计量其他的选择法 6．6 变量选择的信度 交叉验证再抽样法 6．7 变量选择的效用 6．8 变量选择和影响值 评语 6．9 小结 6．10 习题下篇 回归的其他用途 7 曲线拟合 7．1 导论 7．2 单自变量多项式模型 交互分析 7．3 节点已知的分段多项式 分段直线分段多项式 7．4 多个变量的多项式回归：响应面 7．5 无模型曲线拟合 移动平均数散点修匀法 7．6 小结 7．7 习题 8 非线性模型导论 8．1 导论 8．2 本质线性模型 乘法模型 8．3 本质非线性模型 成长模型 8．4 小结 8．5 习题 9 指示变量 9．1 导论 9．2 虚拟变量模型 相关变量的线性函数的均值和方差 9．3 格频数不等 9．4 空格 9．5 既有虚拟变量也有连续变量的模型 9．6 一种特殊的用法：协方差分析 9．7 协方差分析中的异构斜率问题 9．8 小结 9．9 习题 10 定类园变量 10．1 导论 10．2 二值因变量 二分因变量线性模型 11．3 加权最小平方 10．4 简单概率比对数回归 10．5 多元概率比对数回归 10．6 对数线性模型 10．7 小结 10．8 习题 11 广义线性模型 11．1 导论 11．2 连接函数 概率比对数回归连接泊松回归连接 11．3 概率比对数模型 11．4 其他模型 11．5 小结附录A 统计表A．1 标准正态分布——表A．1(正态分布表)和表A．1a(统计方法中的p值和z值)A．2 T分布——表A．2统计方法中的r值A．3 X2分布——表A．3统计方法中的X2值A．4 F分布——表A．3统计方法中的F值A．5 杜宾·瓦特森检验临界值附录B 矩阵简介B．1 矩阵代数B．2 解线性方程附录C 估计法C．1 最小平方估计C．2 最大似然估计参考文献

《回归分析(附光盘因变量统计模型)》(作者鲁道夫J.弗洛伊德、威廉姆J.威尔逊、平沙)第2版旨在为用模型法对因变量做智能分析提供必需的工具。虽然本书的重点是介绍回归分析，但对其他线性模型，如方差分析、协方差分析和二分因变量的分析，以及非线性回归也有所涉猎。 《回归分析(附光盘因变量统计模型)》旨在为用模型法对因变量做智能分析提供必须的工具。虽然本书的重点是介绍回归分析，但对其他线性模型，如方差分析、协方差分析和二分应变量的分析，以及非线性回归也有所涉猎。 在《回归分析(附光盘因变量统计模型)》(作者鲁道夫J.弗洛伊德、威廉姆J.威尔逊、平沙)上篇的三章中，首先复习了基本的统计方法，其目的在于为线性模型的应用，进而为以后的简单线性和多元回归方法的理论和方法的学习打下良好的基础。这里介绍的所有内容都包括了评价这些模型所必需的统计推论方法。 中篇由4、5、6三章组成。这三章不仅对回归分析中经常遇到的许多实际问题进行了比较深八的讨论，而且还对这些问题的补救办法提出了一些建议。 下篇包括第7章之后的所由章节。主要介绍回归模型的其他用法，这些用法包括多项式模型、自变量和因变量经过变换的模型、非线性模型和含有定类应变量的模型等。